Il y a une image qui résume notre époque mieux que n’importe quel graphique de McKinsey. Un somnambule avance. Il ne voit rien. Il ne comprend rien. Mais il avance avec une assurance qui force le respect — et parfois l’admiration de ceux qui, eux, sont réveillés. Nous vivons dans un monde ambuliste.

Non pas parce que nous manquons d’information. Au contraire : nous n’avons jamais consommé autant de données, de rapports, de prédictions, d’« insights ». En 2024, plus de 200 rapports majeurs sur l’IA et l’emploi ont été publiés. En 2025, ce chiffre a doublé. Chaque semaine, une étude nouvelle annonce soit la fin du travail tel que nous le connaissons, soit son triomphe augmenté.

Le problème n’est pas le volume. C’est que l’abondance d’information produit, paradoxalement, une compréhension appauvrie. L’étude KPMG/Université de Melbourne 2025 (48 340 personnes, 47 pays) mesure cet écart : 66 % utilisent l’IA régulièrement au travail, mais seulement 46 % lui font confiance. La confiance a baissé depuis ChatGPT — alors même que l’usage a explosé. Nous avons adopté une religion. Elle s’appelle la Disruption.

Le premier évangile : l’apocalypse des 47 %

Tout commence en 2013. Frey et Osborne (Oxford Martin School) publient The Future of Employment : « About 47 percent of total US employment is at risk. » Le chiffre devient viral — 20 000 citations académiques, repris par la Banque mondiale, John Oliver, le Council of Economic Advisors d’Obama. Un seul problème : il est contesté par les économistes les plus sérieux du domaine.

En 2016, Arntz, Gregory et Zierahn (OCDE WP189) analysent les tâches plutôt que les occupations. Résultat : non pas 47 %, mais 9 % d’emplois à haut risque. Cinq fois moins. La nuance a été perdue dans la translation médiatique. Première leçon : un chiffre sans méthode est une arme, pas une information.

Le deuxième évangile : la renaissance des 78 millions

WEF, janvier 2025 : +78 millions d’emplois nets d’ici 2030. Sondage de 1 000 employeurs couvrant « 1,2 milliard d’emplois formels ». Formels. Les 2,1 milliards de travailleurs informels (57,8 % de l’emploi mondial, OIT WESO 2024) n’existent pas dans cet exercice. Le WEF projette l’avenir du travail depuis les jardins bien entretenus de Davos — financé par les mêmes entreprises tech dont les dirigeants défilent sur sa scène.

Le troisième évangile : la complémentarité harmonieuse

Acemoglu & Johnson (Power and Progress, 2023) : la technologie est un choix sociotechnique. C’est le récit le plus honnête. C’est aussi le moins relayé — parce qu’il impose de penser, là où les deux premiers autorisent à paniquer ou à se rassurer.

Qui parle, et pour qui ?

McKinsey estime que 375 millions de travailleurs devront changer de métier d’ici 2030 — et vend à prix d’or les stratégies de « transformation digitale » aux entreprises effrayées par cette projection. Goldman Sachs publie en 2023 une étude sur 300 millions d’emplois exposés, et en juin 2024 son propre mea culpa : « Gen AI: Too Much Spend, Too Little Benefit? » Douze mois pour vendre l’angoisse. Dix-huit pour vendre le doute. Le tout facturé en millions.

Pourquoi croit-on si facilement à des chiffres non vérifiés ? La réponse est dans nos cerveaux, et elle n’est pas flatteuse. Kahneman l’a documenté : le Système 1 (rapide, émotionnel) réagit au récit avant que le Système 2 (lent, analytique) n’ait le temps de vérifier. L’IA est nouvelle, spectaculaire, involontaire — trois caractéristiques qui déclenchent la surestimation du risque selon le paradigme psychométrique de Slovic.

Le paradoxe est que les prédictions les plus extravagantes viennent souvent des mieux placés pour ne pas les faire. Sam Altman déclarait le 22 juillet 2025 devant la Federal Reserve que l’IA « remplacera probablement la plupart des emplois ». Moins d’un an plus tard, à Sydney en mai 2026 : « Je suis ravi d’avoir tort. » Ravi d’avoir tort — après un an d’angoisse mondiale. On appréciera la tournure.

Geoffrey Hinton, prix Nobel, déclarait en 2016 : « Les gens devraient arrêter de former des radiologues maintenant. » En 2026 : record de résidences en radiologie. Les radiologues n’ont pas lu l’article de Hinton.

Il y a un phénomène que j’appelle l’ambulisme informationnel : la dissociation croissante entre consommation d’information et capacité à la comprendre. L’étude KPMG/Melbourne 2025 le mesure directement : dans les pays à revenu élevé — ceux qui produisent et consomment le plus de discours sur l’IA — la confiance est inférieure à celle des économies émergentes. Ceux qui ont le moins accès aux récits anxiogènes sont les moins anxieux.

Les données Tier 1 (FMI, OIT, Stanford, NBER) racontent une histoire sobre : transformation lente et inégalement distribuée, pas apocalypse. Le FMI (Cazzaniga et al., SDN/2024/001) établit 40 % d’exposition globale — mais « exposé » ne signifie pas « détruit ». L’OIT (WP140, 2025) raffine : 25 % des emplois exposés, seulement 3,3 % en exposition maximale, résultat probable « transformation, pas remplacement ». Acemoglu (NBER WP32487, 2024) plafonne le gain de productivité totale des facteurs à 0,66 % sur 10 ans — soit 0,07 % par an.

Stanford (Brynjolfsson, Chandar & Chen, 2025, données ADP sur 25 millions de salariés) documente l’effet le plus net : −13 % d’emploi pour les 22–25 ans dans les métiers exposés. Mais l’emploi des 30 ans et plus dans les mêmes métiers a crû de 6 à 12 %. L’IA n’est pas en train de détruire les emplois cognitifs — elle retarde l’entrée. C’est un problème de génération, pas d’apocalypse.

Le cas Klarna est le prototype d’une dynamique qui se répète : annonce fracassante (700 agents remplacés, 40 M$ économisés), gain apparent à court terme, dégradation qualitative, retour en arrière — et silence médiatique sur la phase 3. En mai 2025, le CEO Siemiatkowski admettait à Bloomberg : « qualité inférieure… investir dans le support humain est la voie de l’avenir pour nous. »

Mise à jour mi-2026 — la thèse tient, mais le signal s’affine. L’Anthropic Economic Index (Massenkoff & McCrory, mars 2026, la plus grande étude empirique à ce jour sur les effets IA en emploi) et l’analyse IMF sur le Danemark (Humlum & Vestergaard, 25 000 salariés, 7 000 firmes) convergent : zéro augmentation détectable du chômage agrégé dans les métiers exposés depuis ChatGPT. Le Stanford AI Index 2026 confirme : « large-scale aggregate job losses have not yet materialized. » En revanche, un signal nouveau s’affirme : l’IA agentique 2025-2026 — qui automatise des workflows entiers et non plus des tâches isolées — crée une pression qualitativement différente. Salesforce a supprimé 4 000 postes de service client et n’a recruté aucun ingénieur en FY2026, Benioff citant explicitement Agentforce. Indeed Hiring Lab recense −36 % d’offres en développement logiciel vs février 2020. Le codeur junior devient la victime visible de cette seconde vague.

1 — Les deux milliards invisibles

Les modèles de Frey-Osborne, Goldman Sachs et McKinsey reposent sur O*NET — base américaine d’emplois formels. L’OIT (WESO 2024) recense 2,1 milliards de travailleurs informels : 57,8 % de l’emploi mondial. Ces travailleurs n’ont pas de fiche de poste O*NET. Présenter des projections fondées sur l’emploi formel américain comme « mondiales » est une falsification de portée.

2 — Le paradoxe de Moravec

Hans Moravec, CMU, années 1980 : « Il est facile de faire faire aux ordinateurs ce qui est difficile pour les humains, et très difficile de leur faire faire ce qui est facile pour les humains. » En 2024, le roboticien Ken Goldberg (Berkeley) parle d’un « 100 000-year data gap » en manipulation physique. IEEE Spectrum, octobre 2025 : les mains restent le goulot irréductible à court terme.

Nuance mi-2026. Figure AI a accumulé 1 250+ heures opérationnelles réelles dans l’usine BMW de Spartanburg — premier déploiement humanoïde commercial extérieur vérifié (30 000 voitures produites en co-production). Il serait malhonnête de maintenir « zéro déploiement réel ». La précision s’impose : ce déploiement concerne des tâches répétitives en environnement semi-contrôlé — manipulation de tôles, placement de pièces à un poste dédié. Moravec tient sur ce qui compte vraiment : la dextérité libre en environnement non structuré (cuisine, soin, plomberie, chantier) reste hors de portée. Tesla Optimus ? 1 000+ unités en production interne chez Fremont depuis janvier 2026, zéro client externe, objectif commercial 2027-2028, coût réel estimé 50–100 k$ (vs 20 k$ annoncé). Le paradoxe de Moravec se réduit sur les tâches répétitives structurées. Il demeure entier pour le reste.

3 — Le seuil de Bangladesh

Un robot de couture coûte 50 000–100 000 $. Une ouvrière du prêt-à-porter au Bangladesh est payée 113 $/mois (salaire minimum décembre 2023). Le ROI de l’automatisation est négatif pour des décennies. Adidas l’a appris : sa Speedfactory entièrement automatisée en Allemagne a fermé en 2019. La dextérité humaine asiatique reste imbattable.

4 — Le paradoxe de Solow 2.0

L’investissement IA dépasse 1 000 milliards de dollars en capex cumulé depuis 2022. Gain de TFP documenté : 0,07 %/an (Acemoglu). Goldman Sachs, juin 2024 : « Pas une seule application transformatrice trouvée. » Jim Covello estime l’IA 30 à 40 fois trop chère pour les tâches qu’elle est censée automatiser. Robert Solow en 1987 : « On voit des ordinateurs partout, sauf dans les statistiques de productivité. » Quarante ans après, l’histoire se répète.

5 — Les fantômes de la machine

Pour qu’un LLM soit « aligné », des milliers de personnes lisent et annotent des contenus traumatiques, pour des salaires proches du seuil de pauvreté. TIME, janvier 2023 : les annotateurs kényans de Sama, sous contrat OpenAI, étaient payés 1,32 à 2 $/heure. OpenAI versait 12,50 $ à Sama. La marge restait dans l’ombre. Gray & Suri (Ghost Work, 2019) estiment plusieurs millions de travailleurs dans cette économie invisible.

6 — Les femmes surexposées

OIT WP140, 2025 : dans les pays à hauts revenus, 9,6 % des emplois féminins sont en exposition maximale contre 3,5 % des masculins — ratio proche de 3:1. Les femmes sont surreprésentées dans les emplois cléricaux et administratifs, précisément les plus exposés. Ce n’est pas biologique : c’est la ségrégation professionnelle historique qui se retourne contre ceux qu’elle a longtemps confinés.

7 — La facture énergétique

L’IEA (Energy and AI, 2025) projette une consommation des datacenters à ~945 TWh d’ici 2030 — l’équivalent de la consommation totale actuelle du Japon. La concentration sur TSMC (Taiwan) constitue un risque géopolitique systémique qu’aucun modèle d’emploi n’intègre. L’IA n’est pas une technologie du virtuel. Elle brûle de l’énergie, consomme de l’eau, dépend d’une seule île.

8 — Le seuil de Bangladesh s’érode — signal mi-2026

La thèse du « seuil économique » protecteur des bas salaires demande une nuance cruciale introduite par les données de mi-2026. Standard Chartered a annoncé en mai 2026 la suppression de 7 800 postes d’ici 2030 dans ses fonctions RH, risque et compliance — en Inde, Malaisie et Pologne. Le CEO Bill Winters a utilisé l’expression « lower-value human capital » pour qualifier les emplois remplacés. Ce cas documente pour la première fois à grande échelle le remplacement de cols blancs qualifiés à coût moyen dans des économies émergentes — pas de simples tâches cléricales à 2 $/h, mais des analystes risque, des auditeurs compliance, des responsables RH à 15 000–25 000 $/an. La connaissance codifiée (Dallas Fed, fév. 2026) — procédures, règles, taxonomies — est désormais reproductible par les LLM à un coût marginal quasi nul. Le seuil économique protecteur se déplace : il ne concerne plus seulement les bas salaires (Bangladesh textile), mais s’étend aux métiers formels à connaissance codifiable dans les économies intermédiaires.

Tetlock (Superforecasting, 2015) a passé vingt ans à mesurer la précision des prédictions d’experts. Résultat : les experts se trompent davantage qu’une extrapolation naïve au-delà de deux ans. Les prédictions à dix ou vingt ans sont statistiquement proches du hasard. La fourchette McKinsey 75–375 millions de travailleurs à reconvertir l’illustre parfaitement : un écart de 300 millions n’est pas une prédiction, c’est une reconnaissance d’ignorance.

L’histoire calibre les délais. Robert Allen a documenté l’« Engels’ pause » : lors de la révolution industrielle britannique, les salaires réels ont stagné des décennies avant de croître. Goldin et Katz (The Race Between Education and Technology, 2008) ont montré que ce sont les institutions — l’école, les syndicats, les protections sociales — qui déterminent si la technologie enrichit tout le monde ou seulement ses propriétaires.

Avec une confiance raisonnable à 5 ans (2026–2031) : probable — réallocation dans le tertiaire qualifié, jeunes entrants (22–25 ans) pénalisés à l’entrée, croissance des métiers manuels et du soin, persistance du paradoxe de productivité. Faible probabilité — rupture robotique dans les métiers manuels non structurés. La variable la plus déterminante reste hors modèle : la décision politique. L’AI Act européen (art. 26.7, août 2026) impose la consultation des représentants des travailleurs avant tout déploiement IA à haut risque en emploi.

Ce qui résiste à l’automatisation n’est pas « en retard » — c’est structurellement irremplaçable pour des raisons qui ne disparaîtront pas avec la prochaine génération de LLM : la présence physique dans le soin, l’empathie dans l’éducation, la dextérité en environnement non structuré dans le bâtiment. Et ce sont précisément ces secteurs qui sont en croissance structurelle, portés par le vieillissement démographique. Le WEF (FoJ 2025) classe livreurs, ouvriers de chantier, agriculteurs et soignants parmi les cinq plus fortes croissances absolues d’ici 2030.

En 2016, Tavneet Suri (MIT) et William Jack (Georgetown) publient dans Science une étude sur M-Pesa, le système de paiement mobile kenyan : 194 000 ménages kényans sortis de la pauvreté extrême, dont 185 000 femmes passées de l’agriculture de subsistance au petit commerce. La leçon : la technologie conçue pour résoudre des problèmes réels des populations les moins favorisées produit des résultats radicalement différents de la technologie conçue pour maximiser le profit des mieux favorisées.

Daron Acemoglu a publié Power and Progress pour dire une chose simple : les technologies ne sont pas des forces naturelles. Elles sont des choix. La révolution industrielle a d’abord appauvri les travailleurs pendant des décennies avant que les syndicats, le droit du travail et l’instruction publique ne redistribuent les gains. Cette redistribution n’était pas inévitable. Elle a été arrachée. Nous sommes dans la même position.